系列文章索引
Python爬蟲基礎（一）：urllib庫的使用詳解
Python爬蟲基礎（二）：使用xpath與jsonpath解析爬取的數(shù)據(jù)
Python爬蟲基礎（三）：使用Selenium動態(tài)加載網(wǎng)頁
Python爬蟲基礎（四）：使用更方便的requests庫
Python爬蟲基礎（五）：使用scrapy框架
一、Selenium簡介
1、什么是selenium？
（1）Selenium是一個用于Web應用程序測試的工具。
（2）Selenium 測試直接運行在瀏覽器中，就像真正的用戶在操作一樣。
（3）支持通過各種driver（FirfoxDriver，IternetExplorerDriver，OperaDriver，ChromeDriver）驅動真實瀏覽器完成測試。
（4）selenium也是支持無界面瀏覽器操作的。
模擬瀏覽器功能，自動執(zhí)行網(wǎng)頁中的js代碼，實現(xiàn)動態(tài)加載
2、為什么使用selenium
我們打開京東，看到有一個秒殺的模塊，從網(wǎng)頁源碼中也可以定位到：
但是我們使用urllib爬取：
import urllib.request
url = 'https://www.jd.com/'
urllib.request.urlretrieve(url,'jd.html')
爬取的網(wǎng)頁，我們全局搜索發(fā)現(xiàn)，并沒有秒殺這部分內容。
因為秒殺這部分內容，是在js中動態(tài)加載的，而selenium就可以模擬瀏覽器功能，自動執(zhí)行網(wǎng)頁中的js代碼，實現(xiàn)動態(tài)加載。
3、安裝selenium
（1）谷歌瀏覽器驅動下載安裝
查看谷歌瀏覽器的版本：幫助->關于google chrome，查看版本。
根據(jù)版本查找對應的chromedriver，大版本對應就可以，小版本不需要關心，下載地址（第一個網(wǎng)速比較慢），32位和64位都能用：http://chromedriver.storage.googleapis.com/index.htmlhttps://registry.npmmirror.com/binary.html?path=chromedriver/
如果是最新版的谷歌瀏覽器，以上可能沒有同步更新，試試下面的網(wǎng)站：https://googlechromelabs.github.io/chrome-for-testing/
下載之后是一個壓縮文件。
將解壓出來的exe文件，放到python項目的根目錄下（為了方便使用，不這樣做的話，使用時指定路徑也可）。
（2）安裝selenium
# 進入到python安裝目錄的Scripts目錄
d:
cd D:\python\Scripts
# 安裝
pip install selenium -i https://pypi.douban.com/simple
二、Selenium使用
1、簡單使用
簡單三步，輕松使用，獲取網(wǎng)頁的全部內容（網(wǎng)頁完全加載完畢之后的）。
# （1）導入selenium
from selenium import webdriver
# (2) 創(chuàng)建瀏覽器操作對象，就是指定我們驅動的路徑
path = 'chromedriver.exe'
browser = webdriver.Chrome(path)
# （3）訪問網(wǎng)站
url = 'https://www.jd.com/'
browser.get(url)
# page_source獲取網(wǎng)頁源碼
content = browser.page_source
with open('jd.html','w',encoding='utf-8') as fp:
fp.write(content)
2、元素定位
元素定位：自動化要做的就是模擬鼠標和鍵盤來操作來操作這些元素，點擊、輸入等等。操作這些元素前首先要找到它們，WebDriver提供很多定位元素的方法。
from selenium import webdriver
from selenium.webdriver.common.by import By
path = 'chromedriver.exe'
browser = webdriver.Chrome(path)
url = 'https://www.baidu.com'
browser.get(url)
# 元素定位
# 根據(jù)id來找到對象 id = su
button = browser.find_element(by = By.ID, value = 'su')
print(button)
# 根據(jù)標簽屬性的屬性值來獲取對象的 name = wd
button = browser.find_element(by = By.NAME, value = 'wd')
print(button)
# 根據(jù)xpath語句來獲取對象 xpath語法
button = browser.find_element(by = By.XPATH, value = '//input[@id="su"]')
print(button)
# 根據(jù)標簽的名字來獲取對象
button = browser.find_element(by = By.TAG_NAME, value = 'input')
print(button)
# 使用的bs4的語法來獲取對象
button = browser.find_element(by = By.CSS_SELECTOR, value = '#su')
print(button)
# 獲取鏈接文本
button = browser.find_element(by = By.LINK_TEXT, value = '百度一下')
print(button)
By參數(shù) 包含許多可選的選項：
3、獲取元素信息
from selenium import webdriver
from selenium.webdriver.common.by import By
path = 'chromedriver.exe'
browser = webdriver.Chrome(path)
url = 'http://www.baidu.com'
browser.get(url)
input = browser.find_element(by = By.ID, value = 'su')
# 獲取標簽的屬性 獲取class屬性
print(input.get_attribute('class'))
# 獲取標簽的名字
print(input.tag_name)
# 獲取元素文本
a = browser.find_element(by = By.LINK_TEXT, value = '新聞')
print(a.text)
4、交互
from selenium import webdriver
from selenium.webdriver.common.by import By
# 創(chuàng)建瀏覽器對象
path = 'chromedriver.exe'
browser = webdriver.Chrome(path)
# url
url = 'https://www.baidu.com'
browser.get(url)
# 休眠2秒
import time
time.sleep(2)
# 獲取文本框的對象
input = browser.find_element(by = By.ID, value = 'kw')
# 在文本框中輸入周杰倫
input.send_keys('周杰倫')
time.sleep(2)
# 獲取百度一下的按鈕
button = browser.find_element(by = By.ID, value = 'su')
# 點擊按鈕
button.click()
time.sleep(2)
# 滑到底部
js_bottom = 'document.documentElement.scrollTop=100000'
browser.execute_script(js_bottom)
time.sleep(2)
# 獲取下一頁的按鈕
next = browser.find_element(by = By.XPATH, value = '//a[@class="n"]')
# 點擊下一頁
next.click()
time.sleep(2)
# 回到上一頁
browser.back()
time.sleep(2)
# 回去
browser.forward()
time.sleep(3)
# 退出
browser.quit()
三、Phantomjs使用（停更）
1、什么是Phantomjs
（1）是一個無界面的瀏覽器
（2）支持頁面元素查找，js的執(zhí)行等
（3）由于不進行css和gui渲染，運行效率要比真實的瀏覽器要快很多
Phantomjs已經(jīng)過時了，推薦使用Chrome handless，高版本的Selenium已經(jīng)不支持Phantomjs了
2、下載
官網(wǎng)：http://wenku.kuryun.com/docs/phantomjs/download.html
將下載的phantomjs.exe文件拷貝到項目目錄（為了方便使用，不這樣做的話，使用時指定路徑也可）。
3、使用Phantomjs
（1）獲取PhantomJS.exe文件路徑path
（2）browser = webdriver.PhantomJS(path)
（3）browser.get(url)
擴展：保存屏幕快照:browser.save_screenshot(‘baidu.png’)
from selenium import webdriver
path = 'phantomjs.exe'
browser = webdriver.PhantomJS(path)
url = 'https://www.baidu.com'
browser.get(url)
# 保存快照
browser.save_screenshot('baidu.png')
import time
time.sleep(2)
# 最新版selenium不支持該語法
input = browser.find_element_by_id('kw')
input.send_keys('昆凌')
time.sleep(3)
browser.save_screenshot('kunling.png')
四、Chrome handless無界面模式
1、簡介
Chrome-headless 模式， Google 針對 Chrome 瀏覽器 59版 新增加的一種模式，可以讓你不打開UI界面的情況下使用 Chrome 瀏覽器，所以運行效果與 Chrome 保持完美一致，性能更高。文章來源：http://www.zghlxwxcb.cn/news/detail-735744.html
系統(tǒng)要求：
Chrome：Unix\Linux 系統(tǒng)需要 chrome >= 59、Windows 系統(tǒng)需要 chrome >= 60
Python3.6 +
Selenium3.4.* +
ChromeDriver2.31 +文章來源地址http://www.zghlxwxcb.cn/news/detail-735744.html
2、基本使用
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
def share_browser():
'''
該方法的內容，都不需要動，只需要修改自己的chrome瀏覽器路徑
'''
chrome_options = Options()
chrome_options.add_argument('--headless')
chrome_options.add_argument('--disable-gpu')
# path是你自己的chrome瀏覽器的文件路徑
path = r'C:\Users\Administrator\AppData\Local\Google\Chrome\Application\chrome.exe'
chrome_options.binary_location = path
browser = webdriver.Chrome(chrome_options=chrome_options)
return browser
browser = share_browser()
url = 'https://www.baidu.com'
browser.get(url)
browser.save_screenshot('baidu.png')
到了這里，關于Python爬蟲基礎（三）：使用Selenium動態(tài)加載網(wǎng)頁的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！
